文本转语音

Gemini TTS 是 Google 最新的文本转语音（Text-to-Speech）技术，通过 Gemini API 或 Google AI Studio 提供高质量、多语言、多角色语音合成服务。支持细粒度风格、语速、情绪与多语音输出控制，并可用于播客、课程、辅助工具与互动应用等场景。

Kyutai TTS 是 Kyutai 团队首个实时流式文本转语音模型，支持英语和法语，具备声线克隆、超低延迟（约220ms）、长音频稳定输出与字级时间戳，可部署本地化、适配 LLM，对 AI 工具使用者极具吸引力。

11ai，即 ElevenLabs，由 Piotr Dąbkowski 和 Mati Staniszewski 于 2022 年创办，总部位于纽约，专注于开发高质量语音合成与克隆技术。

一款先进的在线 AI 语音合成与声音克隆平台，支持多语言文本转语音（TTS）和个性化声音定制。

Resemble AI 开发并于 2025 年开源发布的高性能文本转语音（TTS）模型。

法国 AI 实验室 Kyutai 推出的一款高度模块化的语音 AI 系统，旨在为文本大语言模型（LLM）赋予实时语音交互能力。

一款基于浏览器的 AI 语音克隆工具。

一个领先的 AI 生成式文本转语音（TTS）和语音克隆平台，基于开源的 Fish Speech 模型。

DeepInfra 通过提供无缝、可扩展且经济高效的 AI 推理解决方案，正在改变 AI 景观。其专注于简单性、性能和负担能力，使其成为初创企业和企业的重要选择。